عملکرد دو روش ARIMA و شبکه عصبی GMDH در پیش بینی تقاضای گاز طبیعی در بخش های مختلف (ایران: ۱۳۸۰-۱۳۸۹)


در حال بارگذاری
عملکرد دو روش ARIMA و شبکه عصبی GMDH در پیش بینی تقاضای گاز طبیعی در بخش های مختلف (ایران: ۱۳۸۰-۱۳۸۹)
23 اکتبر 2022
فایل ورد و پاورپوینت
2120
3 بازدید
۷۹,۷۰۰ تومان
خرید

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 عملکرد دو روش ARIMA و شبکه عصبی GMDH در پیش بینی تقاضای گاز طبیعی در بخش های مختلف (ایران: ۱۳۸۰-۱۳۸۹) دارای ۲۸ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد عملکرد دو روش ARIMA و شبکه عصبی GMDH در پیش بینی تقاضای گاز طبیعی در بخش های مختلف (ایران: ۱۳۸۰-۱۳۸۹)  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی عملکرد دو روش ARIMA و شبکه عصبی GMDH در پیش بینی تقاضای گاز طبیعی در بخش های مختلف (ایران: ۱۳۸۰-۱۳۸۹)،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن عملکرد دو روش ARIMA و شبکه عصبی GMDH در پیش بینی تقاضای گاز طبیعی در بخش های مختلف (ایران: ۱۳۸۰-۱۳۸۹) :

نام کنفرانس، همایش یا نشریه : مطالعات اقتصادی کاربردی

تعداد صفحات :۲۸

با توجه به افزایش روزافزون مصرف گاز طبیعی، برنامه ریزی در بخش گاز طبیعی و بررسی و پیش بینی تقاضای گاز طبیعی جهت دستیابی به امنیت عرضه انرژی گاز طبیعی و به دنبال آن توسعه پایداراهمیت فراوانی دارد. از این رو در این تحقیق تقاضای گاز طبیعی در بخش های خانگی-تجاری، صنعت و نیروگاه که جزء مصرف کنندگان عمده گاز طبیعی هستند مورد بررسی قرار گرفته و از دو روش ARIMA (Autoregressive Integrated Moving Average) و شبکه عصبی GMDH (Group Method of Data Handling) برای پیش بینی تقاضای گاز طبیعی و از معیارهای MSE (Mean Squared Error)، RMSE (Root Mean Squared Error)، درصد خطای پیش بینی و دقت پیش بینی جهت مقایسه دو روش استفاده شده است. با توجه به نتایج، دقت پیش بینی به ترتیب در سه بخش خانگی – تجاری، صنعتی و نیروگاه در روش ARIMA، ۹۳.۸، ۹۸.۳ و ۸۷ درصد و در روش شبکه عصبی GMDH، ۹۶.۴، ۹۹ و ۹۸.۲ درصد به دست آمده است و معیارهای RMSE و MSE در هر سه بخش برای روش شبکه عصبی GMDH کوچکتر از روش ARIMA بوده است. از این رو می توان نتیجه گرفت که با توجه به مدلسازی صورت گرفته، روش شبکه عصبی GMDH عملکرد و دقت بالاتری نسبت به روش ARIMA در پیش بینی تقاضای گاز طبیعی دارد.

کلید واژه: پیش بینی تقاضای گاز طبیعی، شبکه عصبی GMDH ،ARIMA

  راهنمای خرید:
  • در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.